Algolia Mengakuisisi Velou untuk Memperkuat Intelijen Produk dalam Belanja AI

Seorang retailer dapat memiliki produk yang tepat dalam stok namun tetap kehilangan penjualan karena katalognya tidak menggambarkan apa yang diinginkan pembeli. Masalah ini menjadi lebih signifikan ketika asisten AI yang melakukan pencarian: jawaban yang persuasif hanya berguna jika sistem dapat menemukan barang yang benar‑benar memenuhi permintaan.

Algolia telah mengakuisisi Velou, sebuah perusahaan AI berbasis di New York yang berspesialisasi dalam pengayaan data produk dan intelijen katalog, untuk memperkuat fondasi tersebut. Diumumkan pada 6 Oktober, kesepakatan ini membawa pemahaman produk lebih dekat ke sistem pencarian dan rekomendasi yang menggunakannya.

Pengumuman akuisisi menyatakan bahwa syarat keuangan tidak diungkapkan dan tim enam orang Velou bergabung dengan Algolia. Velou sudah melayani lebih dari 50 pelanggan perusahaan ritel dan merek premium. Algolia mengatakan bahwa ia menangani hampir dua triliun pencarian setiap tahun dari lebih dari 18.000 pelanggan, memberikan teknologi yang diakuisisi potensi saluran distribusi yang jauh lebih besar.

Mengapa Pencarian Lebih Baik Dimulai dengan Data Produk yang Lebih Baik

Sistem pencarian harus menghubungkan niat pelanggan dengan informasi yang tersedia tentang sebuah barang. Jika sebuah listing hanya memiliki foto dan judul singkat namun mengabaikan atribut penting, maka informasi yang dapat diandalkan bagi sistem untuk mencocokkan permintaan detail menjadi berkurang.

Pertimbangkan seorang pembeli yang mencari lampu meja kompak dengan lengan yang dapat disesuaikan. Katalog yang hanya mencatat merek dan warna dapat membuat mesin pencari tidak dapat menyaring berdasarkan ukuran atau konstruksi. Catatan yang lebih kaya dapat membuat batasan tersebut menjadi eksplisit. Ini adalah contoh ilustratif dari masalah data, bukan klaim tentang implementasi Velou tertentu.

Masalah yang sama muncul dalam perdagangan agen, di mana sistem AI membantu konsumen menemukan dan memilih produk. Pemahaman bahasa yang lebih baik pada tingkat asisten tidak dapat, dengan sendirinya, menetapkan karakteristik produk yang tidak terdokumentasi. Meningkatkan catatan dasar membuat bukti tersedia bagi lebih dari satu antarmuka.

Apa yang Ditambahkan Velou ke Algolia

Velou menggunakan AI multimodal untuk mengubah deskripsi produk dan gambar menjadi informasi terstruktur. Dalam pengumuman di situs perusahaan, Algolia menjelaskan pemetaan informasi tersebut ke taksonomi ritel yang dikurasi: kosakata konsisten untuk kategori, atribut, dan nilai‑nilainya. Perusahaan menyatakan bahwa proses pengayaan berjalan seiring perubahan katalog dan mengaitkan atribut dengan bukti sumber.

situs web Velou mengidentifikasi Commerce-1 sebagai model khusus ritelnya dan menjelaskan grafik produk yang memetakan hubungan antar item. Selain menghasilkan atribut yang hilang dan tag standar, platform ini dirancang untuk memberikan konteks bagi alternatif dan produk yang kompatibel, kemudian mendorong catatan yang diperkaya kembali ke sistem perdagangan yang ada.

Taksonomi dan grafik produk menangani bagian yang berbeda dari tugas penemuan. Kosakata bersama membantu sistem membandingkan item yang pemasoknya menggunakan deskripsi yang berbeda. Hubungan membantu menghubungkan item‑item tersebut. Bagi asisten yang diminta menyusun pembelian terkoordinasi, baik karakteristik masing‑masing produk maupun koneksi di antara mereka dapat menjadi penting.

Algolia berencana menempatkan kecerdasan produk Velou di bawah pencarian, rekomendasi, personalisasi, merchandising, dan Agent Studio. Mereka menyatakan bahwa API, SDK, dan integrasi yang ada akan tetap dipertahankan. Tujuannya adalah meningkatkan informasi yang diproses oleh produk‑produk tersebut tanpa harus membangun ulang implementasi Algolia yang sudah ada pada retailer.

Hasil Pelanggan di Balik Akuisisi

Perusahaan menyoroti dua contoh ritel. Get The Label menambahkan lebih dari 190,000 atribut produk selama enam bulan menggunakan Velou, dengan peningkatan pendapatan pencarian situs sebesar 60%. Everything5pounds meningkatkan atribut katalognya lebih dari 85%, bersamaan dengan kenaikan konversi pencarian sebesar 33%.

Ini adalah hasil yang dilaporkan perusahaan, bukan perbandingan terkontrol yang menetapkan seberapa besar masing‑masing peningkatan berasal dari pengayaan saja. Namun, hal tersebut menjadikan tujuan komersial menjadi konkret: deskripsi produk yang lebih baik harus diterjemahkan menjadi pembeli menemukan produk yang sesuai dan menyelesaikan pembelian.

Bagi retailer yang mengevaluasi teknologi ini, ukuran yang berguna melampaui jumlah bidang baru. Apakah kueri tertentu menghasilkan hasil yang tepat? Apakah filter mencerminkan karakteristik produk yang akurat? Dapatkah tim merchandising memeriksa dan memperbaiki bukti di balik sebuah atribut? Pertanyaan‑pertanyaan tersebut menghubungkan kualitas data dengan pengalaman pelanggan.

Pembelian Strategis untuk Tumpukan Belanja AI

Akuisisi ini memberi Algolia cara untuk memengaruhi input yang membentuk efektivitas platformnya yang lebih luas. Pengayaan dapat mendukung bilah pencarian, mesin rekomendasi, dan agen belanja dari catatan produk yang sama, alih‑alih memerlukan upaya perbaikan katalog terpisah untuk setiap pengalaman.

Akurasi tetap menjadi pusat. Foto produk dapat memperlihatkan fitur desain yang terlihat, namun pengecer membutuhkan bukti yang dapat diandalkan untuk spesifikasi dan petunjuk perawatan. Menambahkan atribut yang tidak didukung dapat menghasilkan rekomendasi menarik yang mengecewakan pembeli. Penekanan Algolia pada bukti yang dapat diperiksa merupakan bagian penting dari janji integrasinya.

Kesepakatan ini juga menggambarkan pertimbangan praktis dalam menerapkan AI agentik dalam sebuah bisnis: sistem memerlukan informasi yang dapat digunakan tentang objek yang mereka tangani. Dalam perdagangan, ini berarti katalog yang cukup detail untuk mendukung kebutuhan nyata pembeli.

Uji berikutnya bagi Algolia adalah apakah menggabungkan penyempurnaan dan pengambilan dalam satu platform dapat meningkatkan penemuan secara konsisten di seluruh basis pelanggannya. Ambisinya sederhana: membuat produk yang tepat lebih mudah ditemukan, baik permintaan datang melalui kotak pencarian maupun asisten AI.